<![CDATA[Perkembangan terkini dalam desain kerekayasaan dilakukan dengan memadukan ranah kecerdasan buatan karena tersedianya data historis rancangan suatu objek, misalnya rangka sepeda. Berdasarkan data historis ini, sebuah model dapat dibangun untuk memperoleh keputusan desain berbasis data-driven. Untuk itu, kajian ini membahas perpaduan ini melalui pendekatan metodologi data sains dalam membuat sebuah model keputusan desain menggunakan pembelajaran mesin otomatis (automatic machine learning yang disingkat AutoML). Model yang dibangun merupakan model klasfikasi multi kelas dalam menentukan keamanan rangka sepeda dengan lulus atau tidaknya suatu rangka sepeda dalam dua jenis uji beban. Teknik exploratory data analysis diterapkan untuk menilai fitur-fitur yang digunakan dalam pemodelan. Dataset ini memiliki jumlah kelas yang propersinya tidak berimbang yang dinyatakan dengan rasio tak-seimbang sebesar 10.77. Model klasifikasi dilatih dengan bagian data latih melalui validasi silang stratified K-fold menggunakan algoritma XGBoost dengan parameter untuk nilai default-nya. Ada dua model yang dibangun berdasarkan data latih tanpa persiapan dan dengan persiapan data. Kedua model memberikan perfomansi yang tidak terlalu signifikan berbeda melalui nilai multi-class Matthews correlation coefficient. Namun, matriks konfusi menunjukkan bahwa model dengan persiapan data dapat lebih baik mengklasifikasikan kelas-kelas minoritas. Akhirnya, kajian yang dilakukan ini menjadi sebuah rujukan awal untuk pemodelan keputusan desain terkait keamanan pada rangka sepeda.]]>
Copyrights © 2024
